リテラシーレベル
(全学対象)

学修成果
(身に付けることができる能力等)

Society5.0時代に向けて、データやAIの活用が注目されています。これらを日常の生活、ビジネス・健康科学・教育等の場で使いこなすための基礎的素養(リテラシー)を、本プログラムを通して修得します。

  • 「データを正しく読む力」や「データを正確に伝える力」を身に付ける
  • データやAIが社会でどのように活用され、新たな価値を生んでいるのかを知る
  • データやAIの利活用には公平性・公正性・プライバシー保護などに課題があることを理解し、利活用に際し人間本位の適切な判断ができるようになる

教育プログラムの修了要件、
授業の方法及び内容

本プログラムを構成する授業科目は下記の6科目で、このうち必修の4科目を修得すると、本プログラムを修了することができます。これらの科目は、リベラルアーツ教育科目共通コア科目と情報リテラシー科目であるため、1年次に全員が履修することができます。修了者には、シルバー(★)のバッジと修了証を発行します。

授業科目
(本プログラムでの位置付け)
授業の概要
授業科目(本プログラムでの位置付け)/授業の概要
情報リテラシー応用 必修
  • データをもとに事象を適切に捉え、分析・説明する方法を学び、社会の実データを適切に読み解き(分析・考察)、表現することを実践する。また、社会におけるデータ・AIの利活用状況とAI技術を利用する場合のリスクや留意事項を学ぶ。
  • 授業の内容に応じて、PC実習と座学を使い分ける.宿題や動画を使用した事前・事後学習により、様々な判断ケースの疑似体験や知識の定着を図る。
京都光華の学び 必修
  • 本科目は、初年次教育の土台として位置付けられるもので、2つのパート(光華を知る、大学での学び)で構成される。「大学での学び」パートは批判的思考力(情報を集め、それらを批判的に評価し、責任ある判断を下す力)を身に付けることを目的としており、「大学の学び① 未来について考える」では、AIの利活用による価値創造とそれに付随する倫理的な課題について学び、その利活用について考える。また、その他の社会的・政治的論争のある問題について、受講生自身がデータや資料を読み解き、自らの「答え」を作り、他者と共有する。
  • オンデマンド型授業。「大学の学び① 未来について考える」では、授業の一環として、googleが提供するeラーニング講座「はじめてのAI」を受講する。
アカデミックスキル入門 必修
  • 本科目では、大学生として身につけるべき「アカデミックスキル」の基礎を学ぶ。具体的には、「レポート作成」の基礎を中心に、情報収集、要約・分析、情報倫理などである。
  • 情報倫理については、学生の日常生活を舞台にしたドラマ仕立てのビデオ教材を用い、ネットワーク社会で安全かつ有効にインターネットを利用するための基礎知識や、SNSを使った情報収集にはバイアスが強くかかりうること等を学ぶ。
アカデミックライティング 必修
  • 本科目は、大学での学びに必要な、状況にふさわしいコミュニケーション能力を修得することを目的としている。文章作成の基礎知識・表現スキルと社会活動で要求される日本語運用力をバランスよく学ぶ。そのなかで、客観的なデータ・統計資料を活用した意見文の作成に取り組む。
  • 4つのテーマについて、講義、作文、相互添削、批評と推敲のプロセスを一連の流れとして進める。
情報リテラシー基礎 選択
  • IoT、AIの時代に対応したICTリテラシーの向上と習得への第一歩として、パソコン等の情報端末の管理、学内ネットワークの利用から、レポート作成のポイント、各種分析方法の基礎、プレゼンテーションのポイントなどを実践的に学ぶ。また、情報社会における様々な危険から身を守るためのセキュリティ知識や情報モラルについて学ぶ。
  • 授業内容に応じて、PC実習と座学を使い分ける。e-Learning教材や課題により、様々な判断ケースの疑似体験や知識の定着を図る。
くらしのなかの統計学 選択
  • データから何らかの推測をする方法(統計的手法)は、私たちの日常生活において必須の道具となっている。本科目では、データサイエンス・AIおよび統計の基本的な考え方を、難しい数式をできるだけ使わず図やイラストを用いて解説する。また、データ・AI活用における倫理的な課題についても概説する。
  • 反転学習により、授業内では実際にデータを扱い、分析する機会を多く取り入れる。Excel、Python、SPSSなど学内で利用出来る分析ツールの利用方法を紹介する。
プログラミング入門 選択
  • この授業では、プログラミングが初めての人を対象に、プログラミング言語Pythonを用いて、サンプルのプログラムを作りかえたりしながら、繰り返しや場合分けなどプログラミング特有の考え方を学ぶ。15回の授業のなかで、簡単なゲームやアニメーションプログラム、あるいは、表作成や連立方程式を解くプログラムなどを作成する。
  • プログラミングを体験することで、文系・理系を問わず論理的思考力を鍛えることができ、また、「わからなかったことがわかる」「できなかったことができる」「思い通りにプログラムを動かす」という学びの楽しみを体験することを通じて、粘り強い学習態度を身につけることも目標とする。

応用基礎レベル
(全学対象)

学修成果
(身に付けることができる能力等)

目的に応じて適切にデータを収集・抽出・分析し、その結果を分かりやすくフィードバックする能力と、自らの専門分野で課題解決にデータ・AIを活用するための基礎知識を修得します。また、自らの専門分野でデータ・AIを適切に活用するための大局的な視点を獲得することができます。

教育プログラムの修了要件、
授業の方法及び内容

本プログラムを構成する科目のうち、必修4科目と選択必修1科目以上を取得すると、本プログラムを修了することができます。修了者には、ゴールド(★★)のバッジと修了証を発行します。各科目の授業方法および内容の詳細は、2022年度シラバスをご覧ください。

授業科目
(本プログラムでの位置付け)
授業の概要
授業科目(本プログラムでの位置付け)/授業の概要
情報リテラシー応用 必修 データをもとに事象を適切に捉え、分析・説明する方法を学び、社会の実データを適切に読み解き(分析・考察)、表現することを実践します。また、社会におけるデータ・AIの利活用状況とAI技術を利用する場合のリスクや留意事項を学びます。
情報技術の理解 必修 現代の高度情報化社会における諸問題の発見と解決を図るために必要となる情報処理・情報通信に関する基礎的な知識を学びます。また、昨今身の回りの様々な分野で活用されるようになったAI(人工知能)とはどういったもので、社会をどのように変化させる可能性があるか等について考えるために必要な知識・技術の基本を学びます。
くらしのなかの統計学 必修 データから何らかの推測を行なう方法(統計的手法)は、日常生活の様々な場面で用いられています。本科目では、データサイエンス・AIおよび統計の基本的な考え方を、難しい数式をできるだけ使わず図やイラストを用いて解説します。また、データ・AI活用における倫理的な課題についても概説します。
産官学連携プロジェクト(dクラス) 必修 この授業では、少子高齢化が進む日本の将来を人口データから明らかにし、将来起こりうる災害時の避難および避難所運営のあり方について考えます。災害発生時には「自助・共助・公助」の3つが重要とされますが、これから地域社会の人口構成が大きく変化する中で、そのあり方も見直しを行っていかなければいけません。この授業を通して、統計データから社会の将来像を明らかにするデータ分析力に加え、外部機関と連携し、避難・避難所運営に関する提案書の作成や避難所の模擬運営を行うなど、企画力・実践力を身につけることを目指します。
数的処理の基礎 選択必修 デジタル社会における「読み・書き・そろばん」である「数理・データサイエンス・AI」は、いずれも数学の理論をもとに作られています。なぜその分析ができるのか?なぜその結論が導き出されるのか?データを使いこなしてビジネスに活かせる、データに強い人材になるためには、最も根元にある数学的な考え方を理解しておくことが重要です。この授業では、高校までに学ぶ数学の範囲に加え、データ・AIの利活用に必要な線形代数、微分積分の2つの分野の数学の”考え方”を理解することを目指します。
プログラミング入門 選択必修 プログラミング言語Pythonを用いて、繰り返しや場合分けなどプログラミング特有の考え方を学ぶ。15回の授業のなかで、簡単なゲームやアニメーションプログラム、あるいは、各種のグラフを描画するプログラムなどを作成する。

応用基礎レベル
(キャリア形成学部対象)

学修成果
(身に付けることができる能力等)

目的に応じて適切にデータを収集・抽出・分析し、その結果を分かりやすくフィードバックする能力と、ビジネス・ソーシャル・ホスピタリティで課題解決にデータ・AIを活用するための基礎知識を修得します。
また、自らの専門分野でデータ・AIを適切に活用するための大局的な視点を獲得することができます。

教育プログラムの修了要件、
授業の方法及び内容

本プログラムを構成する科目のうち、必修4科目5単位に加え選択科目から3単位以上、合計8単位以上を取得すると、本プログラムを修了することができます。修了者には、選択科目3単位以上でゴールド(★★)のバッジ、7単位以上でピンクゴールド(★★★)のバッジと修了証を発行します。各科目の授業方法および内容の詳細は、2022年度シラバスをご覧ください。

授業科目
(本プログラムでの位置付け)
授業の概要
授業科目(本プログラムでの位置付け)/授業の概要
情報リテラシー応用 必修
(1単位)
データをもとに事象を適切に捉え、分析・説明する方法を学び、社会の実データを適切に読み解き(分析・考察)、表現することを実践します。また、社会におけるデータ・AIの利活用状況とAI技術を利用する場合のリスクや留意事項を学びます。
情報技術の理解 必修
(2単位)
現代の高度情報化社会における諸問題の発見と解決を図るために必要となる情報処理・情報通信に関する基礎的な知識を学びます。また、昨今身の回りの様々な分野で活用されるようになったAI(人工知能)とはどういったもので、社会をどのように変化させる可能性があるか等について考えるために必要な知識・技術の基本を学びます。
コンピュータ活用C 必修
(1単位)
この授業は、統計調査等におけるグラフやデータを読める、理解できるようになるための基礎知識を身につけることを目的としています。この授業を通して、主に記述統計データやグラフが読めるようになること、クロス集計表やヒストグラムなどを作成し、データの特徴を説明できるようになることを目指します。後期の「データ解析入門」とセットで履修すると、「統計検定3級」および「統計検定 データサイエンス基礎(CBT)」の内容をカバーすることができます。
データ解析入門 必修
(1単位)
この授業では、実際に行われた調査データを用いて、データの前処理やExcelによる実践的なデータ分析の演習を行い、推定、検定、回帰分析などの推測統計学の手法を身につけることを目指します。前期の「コンピュータ活用C」とセットで履修すると、「統計検定3級」および「統計検定 データサイエンス基礎(CBT)」の内容をカバーすることができます。
数と社会 選択
(1単位)
計算力と数的思考力は、大学での学びや社会でのビジネス活動など多方面で重要な基礎力になります。この授業では、社会の諸領域で使われている計算問題に取り組み、解法を理解することで計算力と基礎的な数的思考力を修得します。また、ベクトルと行列、関数、微分・積分の基本的な考え方と簡単な計算を学びます。
コンピュータ活用A(bクラス) 選択
(1単位)
この授業では、文章データ(テキストデータ)の分析手法の一つであるテキストマイニングの技法を学びます。インターネットの普及による情報化社会、加えて近年ではSNS等の発達により、現代社会は大量の文字情報に溢れています。これらのテキストビッグデータを分析する手段の一つとして、テキストマイニングが多く用いられており、その分析結果はマーケティングなどビジネスの現場で活用されています。授業では主にExcelとKH Corderを使用し、テキストデータの取り扱いとテキストマイニングの分析手法を身につけることを目指します。
経営情報 選択
(2単位)
経営は「戦略・マーケティング」「人事・組織」「会計・財務」といった要素から成り立っており、今日ではコンピュータやネットワークといった情報通信技術の積極的な活用が必須となっています。本科目では、経営やビジネスの基本とそこで活用されている情報通信技術についての現状を学び、その将来について考えます。また、ビジネスとICT(情報通信技術)の関わりについての理解を深めます。
データ解析応用 選択
(1単位)
基本的なデータ解析から多変量解析まで、例題を用いて実際にデータを分析しながら学習します。多変量解析としては、因子分析、回帰分析、クラスター分析を扱います。分析ソフトウェアSPSSを用いて、データと目的に応じた適切な手法を選択し分析結果を正しく読み取る力の習得を目指します。
社会調査法 選択
(2単位)
この授業は、社会調査の実施に関する知識と技法を身につけることを目的としています。現代では多様な目的で社会調査が実施され、その分析結果等が報告・活用されています。データを活用できる人材として社会で活躍するためには、データの分析力だけではなく、適切な方法によってデータを取得できる力も求められるため、社会調査の実施に関するスキルを身につけておくことは重要です。この授業を通して、調査を実施する際の注意点やテクニックなどを学び、知りたいことを適切に把握できる社会調査を実施できるようになることを目指します。
社会調査実習I・II 選択
(各1単位)
調査の企画から調査実施・プレゼンテーションまでの社会調査の過程を、実習を通じて体験的に学習します。まず、全体テーマと個人テーマを策定し、全体テーマに関する文献調査、面接調査などをもとに、質問紙調査の調査項目を検討します。さらに、作成した調査票を用いて実査を行い、単純集計・平均の比較・相関分析・重回帰分析などにより調査結果を検討し、仮説を検証した上で報告書を作成し、プレゼンテーションを行います。
数的処理の基礎 選択
(1単位)
デジタル社会における「読み・書き・そろばん」である「数理・データサイエンス・AI」は、いずれも数学の理論をもとに作られています。なぜその分析ができるのか?なぜその結論が導き出されるのか?データを使いこなしてビジネスに活かせる、データに強い人材になるためには、最も根元にある数学的な考え方を理解しておくことが重要です。この授業では、高校までに学ぶ数学の範囲に加え、データ・AIの利活用に必要な線形代数、微分積分の2つの分野の数学の”考え方”を理解することを目指します。
プログラミング入門 選択
(2単位)
プログラミング言語Pythonを用いて、繰り返しや場合分けなどプログラミング特有の考え方を学ぶ。15回の授業のなかで、簡単なゲームやアニメーションプログラム、あるいは、各種のグラフを描画するプログラムなどを作成する。
くらしのなかの統計学 選択
(2単位)
データから何らかの推測を行なう方法(統計的手法)は、日常生活の様々な場面で用いられています。本科目では、データサイエンス・AIおよび統計の基本的な考え方を、難しい数式をできるだけ使わず図やイラストを用いて解説します。また、データ・AI活用における倫理的な課題についても概説します。
産官学連携プロジェクト(dクラス) 選択
(1単位)
この授業では、少子高齢化が進む日本の将来を人口データから明らかにし、将来起こりうる災害時の避難および避難所運営のあり方について考えます。災害発生時には「自助・共助・公助」の3つが重要とされますが、これから地域社会の人口構成が大きく変化する中で、そのあり方も見直しを行っていかなければいけません。この授業を通して、統計データから社会の将来像を明らかにするデータ分析力に加え、外部機関と連携し、避難・避難所運営に関する提案書の作成や避難所の模擬運営を行うなど、企画力・実践力を身につけることを目指します。